CN111681099A - 产品信息推送方法、装置、计算机设备及可读存储介质 - Google Patents
产品信息推送方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN111681099A CN111681099A CN202010493407.8A CN202010493407A CN111681099A CN 111681099 A CN111681099 A CN 111681099A CN 202010493407 A CN202010493407 A CN 202010493407A CN 111681099 A CN111681099 A CN 111681099A
- Authority
- CN
- China
- Prior art keywords
- user
- transaction
- historical
- data
- potential
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000008859 change Effects 0.000 claims abstract description 31
- 230000007246 mechanism Effects 0.000 claims abstract description 20
- 230000007704 transition Effects 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000002349 favourable effect Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种产品信息推送方法、装置、计算机设备及可读存储介质，其中，该方法包括：分析每个用户的历史交易数据和/或用户的历史资产变化数据；当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户；针对所述潜在流失用户的交易特征，向所述潜在流失用户推送产品信息。该方案有利于提高产品推送的针对性和精度，同时，由于是在客户真正流失之前根据潜在流失用户的交易特征有针对性的推送产品信息，有利于满足潜在流失用户选择产品的需求，进而提高用户体验度，有利于提高交易机构与用户之间的粘性。
Description
技术领域
本发明涉及业务处理技术领域，特别涉及一种产品信息推送方法、装置、计算机设备及可读存储介质。
背景技术
目前，银行对客户进行产品推送时是所有客户推送相同或类似的产品，并没有针对客户个体情况有针对性的推送产品信息，使得产品推送缺乏针对性、精准性，也不利于满足客户选择产品的需求。例如，在客户流失之前，还向客户推送常规或没有针对性的产品信息，使得推送的产品信息并不符合客户的交易情况，降低精准性，也无法满足客户对产品的选择需求，降低客户体验度。
发明内容
本发明实施例提供了一种产品信息推送方法，以解决现有技术中产品信息推送存在的针对性差、精度低的技术问题。该方法包括：
分析每个用户的历史交易数据和/或用户的历史资产变化数据；
当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户；
针对所述潜在流失用户的交易特征，向所述潜在流失用户推送产品信息。
本发明实施例还提供了一种产品信息推送装置，以解决现有技术中产品信息推送存在的针对性差、精度低的技术问题。该装置包括：
数据分析模块，用于分析每个用户的历史交易数据和/或用户的历史资产变化数据；
潜在流失用户判断模块，用于当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户；
信息推送模块，用于针对所述潜在流失用户的交易特征，向所述潜在流失用户推送产品信息。
本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的产品信息推送方法，以解决现有技术中产品信息推送存在的针对性差、精度低的技术问题。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的产品信息推送方法的计算机程序，以解决现有技术中产品信息推送存在的针对性差、精度低的技术问题。
在本发明实施例中，提出了分析用户的历史交易数据和/或用户的历史资产变化数据，进而了解用户状态，当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户，即在客户真正流失之前，通过分析用户状态后可以确定出处于潜在流失用户状态的这类用户，以达到预测性的判断出潜在流失用户，进而针对这类用户有针对性的推送产品信息，例如，根据潜在流失用户的交易特征有针对性的推送产品信息，与现有技术相比，有利于提高产品推送的针对性和精度，同时，由于是在客户真正流失之前根据潜在流失用户的交易特征有针对性的推送产品信息，有利于满足潜在流失用户选择产品的需求，进而提高用户体验度，有利于提高交易机构与用户之间的粘性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：
图1是本发明实施例提供的一种产品信息推送方法的流程图；
图2是本发明实施例提供的一种交易集合的示意图；
图3是本发明实施例提供的一种确定不活跃度的示意图；
图4是本发明实施例提供的一种计算机设备的结构框图；
图5是本发明实施例提供的一种产品信息推送装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
在本发明实施例中，提供了一种产品信息推送方法，如图1所示，该方法包括：
步骤102：分析每个用户的历史交易数据和/或用户的历史资产变化数据；
步骤104：当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户；
步骤106：针对所述潜在流失用户的交易特征，向所述潜在流失用户推送产品信息。
由图1所示的流程可知，在本发明实施例中，提出了分析用户的历史交易数据和/或用户的历史资产变化数据，进而了解用户状态，当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户，即在客户真正流失之前，通过分析用户状态后可以确定出处于潜在流失用户状态的这类用户，以达到预测性的判断出潜在流失用户，进而针对这类用户有针对性的推送产品信息，例如，根据潜在流失用户的交易特征有针对性的推送产品信息，与现有技术相比，有利于提高产品推送的针对性和精度，同时，由于是在客户真正流失之前根据潜在流失用户的交易特征有针对性的推送产品信息，有利于满足潜在流失用户选择产品的需求，进而提高用户体验度，有利于提高交易机构与用户之间的粘性。
具体实施时，上述产品信息推送方法可以应用于任意的交易机构，例如，可以是银行、证券交易机构等。
具体实施时，上述产品信息推送方法主要是通过分析每个用户的历史交易数据和/或用户的历史资产变化数据，了解各个用户的交易状况后，当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，预测性地判断用户为潜在流失用户，进而对这些处于潜在流失用户状况的用户在真正流失之前，精准、有针对性地推送产品信息，以利于满足处于潜在流失用户状况的用户选择产品的需求，利于用户状态由潜在流失用户转变为正常用户，进而提高用户体验度，提高交易机构与用户之间的粘性。具体针对潜在流失用户的交易特征向所述潜在流失用户推送产品信息的过程中，可以根据潜在流失用户的历史交易数据分出该用户喜好的产品类型(例如，交易次数较高的产品为用户喜好的产品)、用户交易产品的额度等交易特征，进而将符合交易特征的产品信息推送该潜在流失用户。
具体实施时，为了进一步提高产品信息推送的针对性和精度，可以通过多种方式来实现将历史交易数据和/或用户的历史资产变化数据符合预设条件的用户判断为潜在流失用户，例如，在本实施例中，在当用户的历史交易数据和/或用户的历史资产变化数据符合以下预设条件时，可以判断用户为潜在流失用户：
当用户的历史交易数据在预设时长内用户的资产额小于预设额度且交易次数小于预设次数、或者包括销户预约业务数据。
具体的，当用户的历史交易数据包括销户预约业务数据即说明用户办理了销户业务，可以明确判断出该用户为潜在流失用户。
具体的，上述预设时长、预设额度和预设次数的数值大小可以根据具体情况来确定，本申请不做具体限定。例如，预设时长可以是6个月或12个月，预设额度可以是10元等，预设次数可以是2次或5次等。上述预设时长、预设额度和预设次数的数值大小可以依据已流失客户的数据分析获得。
具体实施时，为了进一步提高产品信息推送的针对性和精度，在本实施例中，或者还可以通过以下方式实现当用户的历史交易数据符合预设条件时，判断用户为潜在流失用户，例如，
根据交易机构的历史数据分析在销户交易前的前一次交易，将所述前一次交易组成交易集合；
统计交易集合中每个所述前一次交易的出现次数，按照出现次数由大到小排序，确定预设排位前的出现次数对应的所述前一次交易；
计算确定出的每个所述前一次交易距离所述销户交易的平均时间间隔；
当用户的历史交易数据中包括有确定出的所述前一次交易且距离当前的时间间隔大于等于该确定出的所述前一次交易对应的平均时间间隔时，判断用户为所述潜在流失用户。
具体实施时，通过分析交易机构的历史数据可以得到各个用户在办理销户交易前办理的前一次交易是什么交易，如图2所示，例如，在办理销户交易前办理的前一次交易可以是交易a、交易b、交易c、交易d等等，统计出交易a、交易b、交易c、交易d分别出现的次数，如交易a的次数为100、交易b的次数为200、交易c的次数为50、交易d的次数为500，则出现次数排前三的为交易d、交易b、交易a，计算交易d距离销户交易的平均时间间隔t1(该值是多个交易d距离销户交易的时间间隔的均值)、交易b距离销户交易的平均时间间隔t2、交易a距离销户交易的平均时间间隔t3，当用户的历史交易数据中包括有交易d且距离当前的时间间隔大于等于交易d对应的平均时间间隔t1时，即可判断该用户为所述潜在流失用户。
具体实施时，为了更进一步提高产品信息推送的针对性和精度，在本实施例中，或者还可以针对不同类型或某种类型的用户通过以下方式实现当用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户，例如，
在交易机构的历史数据中针对资产大于预设数额的已流失用户，分析每个已流失用户在流失前连续预设次数交易中资产增长率的最小值，并计算所有已流失用户对应最小值的平均值；
当用户的资产大于预设数额且历史资产变化数据在连续预设次数交易中资产增长率的最小值小于所述平均值时，判断用户为所述潜在流失用户。
具体实施时，通过分析交易机构的历史数据即可了解各个用户的资产数额，不同资产数额的用户有不同的产品选择需求，为了进一步提高产品推送的精准度，可以针对不同资产额度的用户精细地预测判断潜在流失用户。上述预设数额的数值大小可以根据具体情况确定，例如，预设数额为100万，针对历史数据中资产(可以是资产数最大时的资产)大于100万的已流失用户(例如，通过其他方法或上述产品信息推送方法确定出的潜在流失用户)，分析每个已流失用户在流失前连续预设次数交易中资产增长率的最小值，并计算所有已流失用户对应最小值的平均值，进而当用户的资产大于100万且历史资产变化数据在连续预设次数交易中资产增长率的最小值小于所述平均值时，即可判断用户为所述潜在流失用户。
具体实施时，为了更进一步提高产品信息推送的针对性和精度，在本实施例中，或者还可以通过以下方式确定不活跃度进而将符合预设条件的用户判断为潜在流失用户，例如，在交易机构的历史数据中针对每个已潜在流失用户，确定流失前每一次交易距离认定流失时刻的时间间隔，将最后一次交易距离认定流失时刻的时间距离与流失前相邻两次交易的时间间隔的最大值之间的比值确定为不活跃度，或将最后一次交易距离认定流失时刻的时间距离与流失前最后两次交易间的时间间隔之间的比值确定为不活跃度；
计算所有已流失用户的不活跃度的平均值；
当根据用户的历史交易数据确定的不活跃度大于所述不活跃度的平均值时，判断用户为所述潜在流失用户。
具体实施时，通过分析交易机构的历史数据可以得到各个已流失用户在认定流失时刻(例如，该认定流失时刻可以是通过其他方法或上述产品信息推送方法确定为潜在流失用户的时刻或者标记为已流失用户的时刻)前办理了哪些交易以及交易时间，如图3所示，例如，用户a在认定流失时刻前按照时间由近到远依次办理了交易a1、交易a2、交易a3、交易a4，各个交易距离认定流失时刻Ta的时间间隔依次为Ta1、Ta2、Ta3、Ta4；用户b在认定流失时刻前按照时间由近到远依次办理了交易b1、交易b2、交易b3，各个交易距离认定流失时刻Tb的时间间隔依次为Tb1、Tb2、Tb3，针对用户a可以用Ta1/(Ta2-Ta1)或者Ta1/max(ta(i+1)-tai)(i的取值为1、2、3、4)来计算用户a的不活跃度Pa，同理，计算用户b的不活跃度Pb，不活跃度的平均值为(Pa+Pb)/2，当根据用户的历史交易数据确定的不活跃度大于所述不活跃度的平均值(Pa+Pb)/2时，即可判断用户为所述潜在流失用户。
具体实施时，为了进一步提高产品信息推送的针对性和精度，在本实施例中，或者还可以通过以下方式确定相似用户进而快速地将符合预设条件的用户判断为潜在流失用户，例如，针对两个用户，计算两个用户的历史交易数据和历史资产变化数据的相似度，相似度大于预设阈值时，判断两个用户互为相似用户；
当用户的相似用户为已流失用户或者所述潜在流失用户时，判断该用户为所述潜在流失用户。
具体实施时，可以采用现有算法来计算两个用户的历史交易数据和历史资产变化数据的相似度，本申请不做具体限定。
在本实施例中，提供了一种计算机设备，如图4所示，包括存储器402、处理器404及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的产品信息推送方法。
具体的，该计算机设备可以是计算机终端、服务器或者类似的运算装置。
在本实施例中，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的产品信息推送方法的计算机程序。
具体的，计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读存储介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
基于同一发明构思，本发明实施例中还提供了一种产品信息推送装置，如下面的实施例所述。由于产品信息推送装置解决问题的原理与产品信息推送方法相似，因此产品信息推送装置的实施可以参见产品信息推送方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图5是本发明实施例的产品信息推送装置的一种结构框图，如图5所示，该装置包括：
数据分析模块502，用于分析每个用户的历史交易数据和/或用户的历史资产变化数据；
潜在流失用户判断模块504，用于当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户；
信息推送模块506，用于针对所述潜在流失用户的交易特征，向所述潜在流失用户推送产品信息。
在一个实施例中，所述潜在流失用户判断模块，用于当用户的历史交易数据和/或用户的历史资产变化数据符合以下预设条件时，判断用户为潜在流失用户：
当用户的历史交易数据在预设时长内用户的资产额小于预设额度且交易次数小于预设次数、或者包括销户预约业务数据。
在一个实施例中，所述潜在流失用户判断模块，包括：
交易分析单元，根据交易机构的历史数据分析在销户交易前的前一次交易，将所述前一次交易组成交易集合；统计交易集合中每个所述前一次交易的出现次数，按照出现次数由大到小排序，确定预设排位前的出现次数对应的所述前一次交易；
时间计算单元，用于计算确定出的每个所述前一次交易距离所述销户交易的平均时间间隔；
第一潜在流失用户判断单元，用于当用户的历史交易数据中包括有确定出的所述前一次交易且距离当前的时间间隔大于等于该确定出的所述前一次交易对应的平均时间间隔时，判断用户为所述潜在流失用户。
在一个实施例中，所述潜在流失用户判断模块，包括：
变化率计算单元，用于在交易机构的历史数据中针对资产大于预设数额的已流失用户，分析每个已流失用户在流失前连续预设次数交易中资产增长率的最小值，并计算所有已流失用户对应最小值的平均值；
第二潜在流失用户判断单元，用于当用户的资产大于预设数额且历史资产变化数据在连续预设次数交易中资产增长率的最小值小于所述平均值时，判断用户为所述潜在流失用户。
在一个实施例中，所述潜在流失用户判断模块，包括：
不活跃度计算单元，用于在交易机构的历史数据中针对每个已流失用户，确定流失前每一次交易距离认定流失时刻的时间间隔，将最后一次交易距离认定流失时刻的时间距离与流失前相邻两次交易的时间间隔的最大值之间的比值确定为不活跃度，或将最后一次交易距离认定流失时刻的时间距离与流失前最后两次交易间的时间间隔之间的比值确定为不活跃度；计算所有已流失用户的不活跃度的平均值；
第三潜在流失用户判断单元，用于当根据用户的历史交易数据确定的不活跃度大于所述不活跃度的平均值时，判断用户为所述潜在流失用户。
在一个实施例中，所述潜在流失用户判断模块，包括：
相似用户判断单元，用于针对两个用户，计算两个用户的历史交易数据和历史资产变化数据的相似度，相似度大于预设阈值时，判断两个用户互为相似用户；
第四潜在流失用户判断单元，用于当用户的相似用户为已流失用户或者所述潜在流失用户时，判断用户为所述潜在流失用户。
本发明实施例实现了如下技术效果：提出了分析用户的历史交易数据和/或用户的历史资产变化数据，进而了解用户状态，当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户，即在客户真正流失之前，通过分析用户状态后可以确定出处于潜在流失用户状态的这类用户，以达到预测性的判断出潜在流失用户，进而针对这类用户有针对性的推送产品信息，例如，根据潜在流失用户的交易特征有针对性的推送产品信息，与现有技术相比，有利于提高产品推送的针对性和精度，同时，由于是在客户真正流失之前根据潜在流失用户的交易特征有针对性的推送产品信息，有利于满足潜在流失用户选择产品的需求，进而提高用户体验度，有利于提高交易机构与用户之间的粘性。
显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (14)
1.一种产品信息推送方法，其特征在于，包括：
分析每个用户的历史交易数据和/或用户的历史资产变化数据；
当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户；
针对所述潜在流失用户的交易特征，向所述潜在流失用户推送产品信息。
2.如权利要求1所述的产品信息推送方法，其特征在于，当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户，包括：
当用户的历史交易数据和/或用户的历史资产变化数据符合以下预设条件时，判断用户为潜在流失用户：
当用户的历史交易数据在预设时长内用户的资产额小于预设额度且交易次数小于预设次数、或者包括销户预约业务数据。
3.如权利要求1所述的产品信息推送方法，其特征在于，当用户的历史交易数据符合预设条件时，判断用户为潜在流失用户，包括：
根据交易机构的历史数据分析在销户交易前的前一次交易，将所述前一次交易组成交易集合；
统计交易集合中每个所述前一次交易的出现次数，按照出现次数由大到小排序，确定预设排位前的出现次数对应的所述前一次交易；
计算确定出的每个所述前一次交易距离所述销户交易的平均时间间隔；
当用户的历史交易数据中包括有确定出的所述前一次交易且距离当前的时间间隔大于等于该确定出的所述前一次交易对应的平均时间间隔时，判断用户为所述潜在流失用户。
4.如权利要求1所述的产品信息推送方法，其特征在于，当用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户，包括：
在交易机构的历史数据中针对资产大于预设数额的已流失用户，分析每个已流失用户在流失前连续预设次数交易中资产增长率的最小值，并计算所有所述已流失用户对应最小值的平均值；
当用户的资产大于预设数额且历史资产变化数据在连续预设次数交易中资产增长率的最小值小于所述平均值时，判断用户为所述潜在流失用户。
5.如权利要求1所述的产品信息推送方法，其特征在于，当用户的历史交易数据符合预设条件时，判断用户为潜在流失用户，包括：
在交易机构的历史数据中针对每个已流失用户，确定流失前每一次交易距离认定流失时刻的时间间隔，将最后一次交易距离认定流失时刻的时间距离与流失前相邻两次交易的时间间隔的最大值之间的比值确定为不活跃度，或将最后一次交易距离认定流失时刻的时间距离与流失前最后两次交易间的时间间隔之间的比值确定为不活跃度；
计算所有已流失用户的不活跃度的平均值；
当根据用户的历史交易数据确定的不活跃度大于所述不活跃度的平均值时，判断用户为所述潜在流失用户。
6.如权利要求1至5中任一项所述的产品信息推送方法，其特征在于，当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户，包括：
针对两个用户，计算两个用户的历史交易数据和历史资产变化数据的相似度，相似度大于预设阈值时，判断两个用户互为相似用户；
当用户的相似用户为已流失用户或者所述潜在流失用户时，判断该用户为所述潜在流失用户。
7.一种产品信息推送装置，其特征在于，包括：
数据分析模块，用于分析每个用户的历史交易数据和/或用户的历史资产变化数据；
流失用户判断模块，用于当用户的历史交易数据和/或用户的历史资产变化数据符合预设条件时，判断用户为潜在流失用户；
信息推送模块，用于针对所述潜在流失用户的交易特征，向所述潜在流失用户推送产品信息。
8.如权利要求7所述的产品信息推送装置，其特征在于，所述潜在流失用户判断模块，用于当用户的历史交易数据和/或用户的历史资产变化数据符合以下预设条件时，判断用户为潜在流失用户：
当用户的历史交易数据在预设时长内用户的资产额小于预设额度且交易次数小于预设次数、或者包括销户预约业务数据。
9.如权利要求7所述的产品信息推送装置，其特征在于，所述潜在流失用户判断模块，包括：
交易分析单元，根据交易机构的历史数据分析在销户交易前的前一次交易，将所述前一次交易组成交易集合；统计交易集合中每个所述前一次交易的出现次数，按照出现次数由大到小排序，确定预设排位前的出现次数对应的所述前一次交易；
时间计算单元，用于计算确定出的每个所述前一次交易距离所述销户交易的平均时间间隔；
第一潜在流失用户判断单元，用于当用户的历史交易数据中包括有确定出的所述前一次交易且距离当前的时间间隔大于等于该确定出的所述前一次交易对应的平均时间间隔时，判断用户为所述潜在流失用户。
10.如权利要求7所述的产品信息推送装置，其特征在于，所述潜在流失用户判断模块，包括：
变化率计算单元，用于在交易机构的历史数据中针对资产大于预设数额的已流失用户，分析每个已流失用户在流失前连续预设次数交易中资产增长率的最小值，并计算所有已流失用户对应最小值的平均值；
第二潜在流失用户判断单元，用于当用户的资产大于预设数额且历史资产变化数据在连续预设次数交易中资产增长率的最小值小于所述平均值时，判断用户为所述潜在流失用户。
11.如权利要求7所述的产品信息推送装置，其特征在于，所述潜在流失用户判断模块，包括：
不活跃度计算单元，用于在交易机构的历史数据中针对每个已流失用户，确定流失前每一次交易距离认定流失时刻的时间间隔，将最后一次交易距离认定流失时刻的时间距离与流失前相邻两次交易的时间间隔的最大值之间的比值确定为不活跃度，或将最后一次交易距离认定流失时刻的时间距离与流失前最后两次交易间的时间间隔之间的比值确定为不活跃度；计算所有已流失用户的不活跃度的平均值；
第三潜在流失用户判断单元，用于当根据用户的历史交易数据确定的不活跃度大于所述不活跃度的平均值时，判断用户为所述潜在流失用户。
12.如权利要求7至11中任一项所述的产品信息推送装置，其特征在于，所述潜在流失用户判断模块，包括：
相似用户判断单元，用于针对两个用户，计算两个用户的历史交易数据和历史资产变化数据的相似度，相似度大于预设阈值时，判断两个用户互为相似用户；
第四潜在流失用户判断单元，用于当用户的相似用户为已流失用户或者所述潜在流失用户时，判断用户为所述潜在流失用户。
13.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的产品信息推送方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至6中任一项所述的产品信息推送方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010493407.8A CN111681099A (zh) | 2020-06-03 | 2020-06-03 | 产品信息推送方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010493407.8A CN111681099A (zh) | 2020-06-03 | 2020-06-03 | 产品信息推送方法、装置、计算机设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111681099A true CN111681099A (zh) | 2020-09-18 |
Family
ID=72453207
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010493407.8A Pending CN111681099A (zh) | 2020-06-03 | 2020-06-03 | 产品信息推送方法、装置、计算机设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111681099A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170061343A1 (en) * | 2015-08-31 | 2017-03-02 | Linkedin Corporation | Predicting churn risk across customer segments |
| CN108509583A (zh) * | 2018-03-29 | 2018-09-07 | 广东欧珀移动通信有限公司 | 一种信息推送方法、服务器及计算机可读存储介质 |
| CN108764994A (zh) * | 2018-05-24 | 2018-11-06 | 深圳前海桔子信息技术有限公司 | 一种用户行为指引方法、装置、服务器和存储介质 |
| US20190102820A1 (en) * | 2017-09-29 | 2019-04-04 | AVAST Software s.r.o. | Smart recommendation engine for preventing churn and providing prioritized insights |
| CN110519327A (zh) * | 2019-07-12 | 2019-11-29 | 平安普惠企业管理有限公司 | 用户活跃类型判断方法、装置、计算机设备及存储介质 |
| CN110837931A (zh) * | 2019-11-08 | 2020-02-25 | 中国农业银行股份有限公司 | 客户流失预测方法、装置及存储介质 |
| CN111178972A (zh) * | 2019-12-30 | 2020-05-19 | 北京每日优鲜电子商务有限公司 | 消息推送方法、装置、存储介质及设备 |
-
2020
- 2020-06-03 CN CN202010493407.8A patent/CN111681099A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170061343A1 (en) * | 2015-08-31 | 2017-03-02 | Linkedin Corporation | Predicting churn risk across customer segments |
| US20190102820A1 (en) * | 2017-09-29 | 2019-04-04 | AVAST Software s.r.o. | Smart recommendation engine for preventing churn and providing prioritized insights |
| CN108509583A (zh) * | 2018-03-29 | 2018-09-07 | 广东欧珀移动通信有限公司 | 一种信息推送方法、服务器及计算机可读存储介质 |
| CN108764994A (zh) * | 2018-05-24 | 2018-11-06 | 深圳前海桔子信息技术有限公司 | 一种用户行为指引方法、装置、服务器和存储介质 |
| CN110519327A (zh) * | 2019-07-12 | 2019-11-29 | 平安普惠企业管理有限公司 | 用户活跃类型判断方法、装置、计算机设备及存储介质 |
| CN110837931A (zh) * | 2019-11-08 | 2020-02-25 | 中国农业银行股份有限公司 | 客户流失预测方法、装置及存储介质 |
| CN111178972A (zh) * | 2019-12-30 | 2020-05-19 | 北京每日优鲜电子商务有限公司 | 消息推送方法、装置、存储介质及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11477220B2 (en) | Adaptive threshold estimation for streaming data | |
| US9779406B2 (en) | User feature identification method and apparatus | |
| EP2816524A1 (en) | Future credit score projection | |
| CN110009365B (zh) | 非正常转移电子资产的用户群体检测方法、装置和设备 | |
| US11842293B2 (en) | Systems and methods for short identifier behavioral analytics | |
| CN110033247A (zh) | 支付渠道推荐方法及其系统 | |
| CN114170002A (zh) | 一种访问频次的预测方法及装置 | |
| CN111598425A (zh) | 一种订单流控方法及装置 | |
| JPWO2019082274A1 (ja) | 業績予測管理システム及び方法 | |
| CN110874786A (zh) | 虚假交易团伙识别方法、设备及计算机可读介质 | |
| CN113610521A (zh) | 用于检测行为数据的异常的方法和设备 | |
| CA3109764A1 (en) | Prediction of future occurrences of events using adaptively trained artificial-intelligence processes | |
| CN111681099A (zh) | 产品信息推送方法、装置、计算机设备及可读存储介质 | |
| CN110717653A (zh) | 风险识别方法及装置和电子设备 | |
| CN111143546A (zh) | 一种获得推荐语的方法、装置及电子设备 | |
| WO2022178640A1 (en) | Predicting occurrences of targeted classes of events using trained artificial-intelligence processes | |
| WO2022213210A1 (en) | Predicting activity-specific engagement events using trained artificial-intelligence processes | |
| Sun et al. | A new approach for using Lévy processes for determining high‐frequency value‐at‐risk predictions | |
| CN111461868A (zh) | 网点排队方法、装置、计算机设备及可读存储介质 | |
| CN110046142A (zh) | 数据更新热点的消除方法及其系统 | |
| CN117035433B (zh) | 非法资金转移客户识别方法及装置 | |
| US20240078601A1 (en) | Method, apparatus, system, and non-transitory computer readable medium for performing co-trading changepoint detection | |
| US8688505B1 (en) | Method for continuous sampled satisfaction polling | |
| CN114638686A (zh) | 文件的发送方法、装置、计算机设备和存储介质 | |
| CN114119170A (zh) | 交互产品推荐方法、装置、计算机设备、存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200918 |